AI泡沫是否会破裂，有一个很重要的概念，就是AI芯片折旧时间过短的问题。
这将是戳破AI泡沫的其中一个关键，具体本视频会来详细分析。
首先强调一下，AI有泡沫，跟AI有用，是不冲突的。
我看好AI产业的长远发展，但全球芯片板块都处于一个泡沫化的疯涨期，要注意这种金融短线的泡沫化风险，这跟看好AI产业，也是不冲突的。
就好比，2000年互联网泡沫破裂，跟互联网产业有前景，也是不冲突的。
有些人习惯于非黑即白的二元论思维，一看到你说AI有泡沫，就觉得你不看好AI产业。
现在AI确实有一些实实在在的产品，正在改变世界。
比如，AI生成视频，已经在改变影视动漫行业。
AI编程，也已经成为所有程序员的必备技能。
AI在预测蛋白质结构，预测超导材料，等领域，都有重要应用。
但这并不妨碍，AI有泡沫。
因为金融市场就喜欢炒作预期，恰恰是AI产业的前景过于明确，让市场与其一致性过高，从而疯狂炒作股价，让股价一步到位，透支未来十几年的发展预期，从而让AI相关的股价有了泡沫化的风险。
AI大基建跟传统大基建，有一个显著不同，就是折旧周期差异很大。
传统的基建，不管是电力基建，还是交通基建，都是可以使用几十年的时间，折旧周期很长。
所以一次大投入后，可以让全社会收益几十年的时间，可以在漫长的周期里回血。
但AI基建的折旧周期太短了，目前对于AI算力卡的寿命，普遍看法是3-6年。
但这个寿命究竟是3年，还是6年，对于AI算力中心的成本差异是非常大的。
AI算力卡的寿命短，由两方面因素导致的：
1、AI芯片迭代速度太快，现在英伟达基本每年出一款新的AI芯片的速度。
在3年前，H系算力卡已经属于高端算力卡。
但2024年英伟达就推出的GB200超级芯片，由两个B200 GPU + 一个 Grace CPU 组成，在 AI 训练和推理任务上算力相比H100提升约 6倍；
并且，GB200为大语言模型的推理工作提供高达30倍的性能提升，同时减少四分之三的能量消耗。
2025年英伟达推出GB300，今年推出R100，性能都有大幅提高。
那么可能会说，就算现在买的高端算力卡，过了3年就变低端了，但并不是说直接就淘汰了，仍然还是能拿来用，也能拿来出租。
现在H100芯片的出租价格，仍然也还算可观。
但这就涉及到AI芯片的第二个问题，损耗速度太快。
2、AI芯片虽然跟我们个人消费者使用的显卡，都是GPU，但工业级使用和消费级使用，显然是完全不能比的。
AI芯片用于训练和推理大模型时，是在长期高功率运转，所以AI算力卡的使用寿命跟矿卡差不多，主流观点是认为只有3-6年的使用寿命。
所以，即使不考虑AI技术迭代问题，哪怕AI芯片的技术停滞了，AI芯片的使用寿命也不会延长，仍然是只有3-6年。
这就导致AI算力中心的折旧成本是异常的高。
比如，H100刚出来时，售价达到4万美元，但现在二手价格已经跌到6000美元左右（在美国的价格）。
这里需要注意，全新的H100价格仍然还是比较高的，我看eBay平台上，全新的H100价格是2万-3万美元不等，应该属于成色比较新。
而6000美元，则是已经使用3年左右的H100芯片。
也就是AI算力卡使用3年，折旧比例就达到85%；
关于AI算力卡的使用寿命，目前已经成为一个急剧争议的话题，也是AI云厂商十分忌讳的事情，因为这是有可能戳破AI泡沫的问题。
普林斯顿大学信息技术研究所 (CITP) 技术政策诊所主任米希尔·克希尔萨加尔 (Mihir Kshirsagar)去年10月有一篇研究，讨论过这个问题。
其中他提到：“基础设施建设核心的芯片由于技术快速过时和物理磨损，其使用寿命只有一到三年，但企业却将其折旧期延长至五到六年。换句话说，他们将巨额资本投资的成本分摊到比实际情况更长的时期”
他这篇文章还认为：“技术分析普遍认为，人工智能芯片的有效寿命约为一到三年。一位不愿透露姓名的谷歌架构师评估认为，GPU在60%到70%的利用率下（这是人工智能工作负载的标准配置）的使用寿命为一到两年，最长不超过三年。原因在于：热应力和电应力实在太高。”
当然，他说的这个AI芯片有效寿命只有1-3年的说法，目前是有争议的，1年有点太短，3年才是目前主流一个看法。
CNBC在去年11月4日也有篇报道，在探讨AI芯片的使用寿命到底有多长。
这篇报道里提到：“谷歌、甲骨文、微软等AI基础设施巨头曾表示，其服务器的使用寿命可长达六年。但它们也可能很快贬值。微软在其最新的年度报告中指出，其AI设备的使用寿命为两到六年。”
但是微软这个2-6年的说法，未免太宽泛了。
2年跟6年，对于AI算力中心来说，折旧成本差距是十分巨大的。
今年5月14日，epoch有一篇文章是专门剖析一座1GW的AI算力中心的成本。
其中剖析到，假如AI芯片的使用寿命为5年，那么一座1GW的AI算力中心的每年成本是85亿美元，其中服务器的折旧成本占比最高，达到每年50亿美元，占比达60%；
但假如AI芯片的使用寿命只有3年，那么服务器的折旧成本就会达到每年85亿美元，将AI算力中心的每年成本提高到每年120亿美元，其中服务器折旧成本占比达到70%；
也就是说，AI芯片的使用寿命，从5年降低到3年，1GW的AI算力中心每年成本就会从85亿美元提高到120亿美元，增幅达到41%；
这是一个非常大的幅度。
所以，AI芯片的使用寿命，究竟是3年、5年、还是6年，对于AI算力中心的成本，以及能否回收成本，是非常关键的信息。
但是，当前这些科技巨头，都在试图遮掩这个问题。
一些看空AI股价的人，比如大空头迈克尔·伯里（Michael Burry）认为包括Meta在内的公司甲骨文、微软、谷歌和亚马逊他们夸大了人工智能芯片的使用寿命，低估了折旧。
他认为服务器设备的实际使用寿命约为两到三年，并表示这些公司因此虚报了收益。
亚马逊和微软拒绝置评，Meta、谷歌和甲骨文未回应置评请求。
迈克尔·伯里的说法对不对，我不知道，但这些科技巨头并不正面回应他的说法，就显得有些心虚。
现在的问题在于，AI芯片的使用寿命可能只有3年左右，但目前科技巨头则在财报里，利用会计手法，将AI芯片的折旧年限扩大为6年。
这在财报上就有很大差异。
比如，投入3亿美元购买的AI算力卡，按照3年折旧，每年就得计提减值1亿美元。
但如果按照6年折旧，每年只要计提减值5000万美元。
等于是让算力卡在财报上的折旧周期拉长，这样可以在财报上把购买算力卡的成本，分摊到更长的周期里，是为了让财报更好看一些。
这种拉长分摊周期的做法，都还算是好的了。
还有一些企业，可能会用隐秘的手法，没有将巨额投入的AI算力卡的每年折旧损失体现在财报上，非要等过了6年，才一次性计提巨额减值。
比如有些AI公司可能会高估未来现金流量，意思是这些算力卡仍然可以产生充足的现金流量，所以不需要减值，这属于一些财报手法。
AI芯片巨大的折旧成本问题，已经成为美国科技巨头的财报地雷，一旦引爆，可能会让这些科技巨头出现巨大亏损。
目前情况是，AI下游终端的收入水平远低于AI中游算力中心的收入。
而AI算力中心的盈利，又低于AI芯片的折旧速度。
这会让当前每年万亿美元的AI大基建，很难长期持续。
只有AI算力中心的盈利，能高于AI折旧速度，才能让当前的AI大基建持续下去，否则就只会崩塌。
那么我们就以谷歌的数据来举例一下。
谷歌全公司2025年的净利润1321.70亿美元。
谷歌云业务2025年的运营利润是139.1亿美元。
而谷歌2025 年全年资本开支为914.5 亿美元。
谷歌2025年的资本开支，大部分就是拿来买AI芯片，建设AI算力中心。
但这个资本开支是云业务运营利润的6.5倍；
谷歌云业务2026年Q1的运营利润是66亿美元，预计2026年全年运营利润300亿左右。
谷歌2026年全年资本支出指导范围为1800亿美元至1900亿美元。
按照这个数据，谷歌2026年的资本开支仍然是云业务运营利润的6倍左右。
按照谷歌当前的数据推算。
AI芯片寿命如果为6年，对这些云厂商来说，也是入不敷出的，但只是小亏。
如果寿命达到7年，那么才能保本。
如果寿命达到8年，就能真正盈利。
如果AI芯片使用寿命只有3年，那么这些科技巨头当前的巨额投入，就会出现巨额亏损。可能很快就会暴雷。
所以AI芯片使用寿命，究竟是3年，还是6年，是一个很关键的数据。
CNBC那篇报道里也提到，Latham & Watkins 新兴公司和成长业务副主席 Haim Zaltzman 表示，与企业几十年来一直在使用的其他类型的重型设备相比，GPU 的使用寿命并没有真正的记录。
负责GPU融资的扎尔茨曼在接受采访时说：“AI芯片使用寿命是三年、五年还是七年？就融资成功与否而言，这差别巨大。”
因为H100芯片是2022年推出，这波AI浪潮是2022年底才开始，满打满算也才3年时间。
所以对于AI芯片能使用3年，还是6年，今明两年将可以进一步揭晓答案。
如果AI芯片只能使用3年，那么明年就应该能看到很多3年前建设的AI算力中心，需要大量更换新的算力卡，会大幅增加企业成本。
最近Meta的扎克伯克表示拟出租老旧算力的说法，似乎也显示这些科技巨头的财务状态，并不太乐观。
当前美国科技巨头骤降的自由现金流已经显示，AI大基建的投入，目前所产生的收入，并不足以产生良性循环，需要不断烧钱。
像甲骨文截止5月31日的财报显示，其自由现金流已经是负236.86亿美元。
这还是甲骨文已经大规模发债和股权融资的情况下，仍然是负的自由现金流。
2025年9月甲骨文一次性发行约180亿美元债券，随后又计划在2026年通过债权和股权两种方式再筹资450亿至500亿美元。
除了甲骨文，现在美国科技巨头纷纷大幅发债来维持巨额资本开支。
Dealogic的数据显示，所谓的AI超大规模公司，比如谷歌、亚马逊、Met、微软、甲骨文等，今年至今已在全球发行了1590亿美元的债券，已高于去年全年的1080亿美元，更大幅高于2024年的170亿美元，均用于为数据中心建设提供资金。
谷歌2025年11月发行250亿美元债券，2026年2月又一次性发行约315亿美元债券。
除了发债，还有股权融资。
6月初，谷歌母公司Alphabet宣布了总规模约850亿美元的股权融资计划，其中伯克希尔·哈撒韦以私募方式认购100亿美元，公开发行部分因超额认购从300亿美元上调至450亿美元，这是该公司历史上最大规模的股权融资，所得资金将全部投向AI基础设施建设。
科技巨头动辄砸几百亿美元的巨量资金去购买大量的高端算力卡时，是不能忽视这样巨大的折旧成本。
这意味着，如果AI基建的巨量投入，不能在3-5年内快速回本，就会成为企业越来越大的负担。
云厂商出租算力还不是这个AI链条里风险最大的。
因为云厂商出租算力，还能收回一部分投资。
更大的问题在于，AI终端应用的盈利速度，远不能做到6年回收成本。
所以，即使AI芯片的使用寿命可以达到6年，AI泡沫也仍然会破。
当前AI大基建每年投入万亿美元规模的资金，其中有大约2/3的资金花在购买AI芯片上，过3-6年就会折旧报废。
意味着，以当前的AI芯片价格、存储芯片价格，需要持续每年花大几千亿美元来维持和更新AI算力中心。
但当前AI全行业的下游终端，所产生的利润，远低于这个数字。
所以Meta扎克伯克才会说拟出租算力，就是想从下游往中游的云厂商挤一挤。
但是，如果下游的烧钱力度减缓，中游算力中心就会出现算力过剩问题，巨额投资就很难在6年内收回成本。
下游盈利速度远远低于上游折旧速度，是AI泡沫必然破裂的其中一个原因，这只是时间问题。
根源就是市场过于集中的不计成本买入高端算力卡，给了芯片过高的溢价，让芯片企业的利润远高于正常水平。
现在问题就是，AI产业的钱，都让上游的英伟达和存储芯片企业赚走了。
中游的算力中心在AI芯片使用6年的情况下，也只能勉强保本，一旦AI芯片使用寿命缩短，就会出现巨亏。
而算力中心的收入，都是靠下游大模型持续烧钱的基础上。
但目前大模型的收入水平，是远低于算力中心的折旧成本。
所以，综合来说就是AI算力中心的建设成本太高了，下游AI应用的收入水平远赶不上AI芯片的折旧速度。
等AI泡沫破裂，算力卡价格大幅下降，让AI算力成本大幅下降，各方企业对于AI基建从一窝蜂不计成本投入，开始进入到细水长流的长期持续投入过程，AI产业才能迎来真正健康的长期稳定发展。
正如2000年互联网泡沫破裂后，互联网产业才迎来真正的长远发展。
本文作者：星话大白。
锦鲤配资提示：文章来自网络，不代表本站观点。
相关文章
热点资讯
